CN107755295A - 一种基于充放电曲线的铅酸蓄电池分类方法 - Google Patents

Abstract

本发明涉及一种基于充放电曲线的铅酸蓄电池分类方法。本发明首先采集电池架上各铅酸蓄电池的充电曲线和放电曲线，利用三次样条拟合方法提取得到电池充放电曲线的特征，然后根据曲线特性对铅酸蓄电池进行分类，并根据类内方差自适应确定类别数目。本发明利用数字信号处理技术来提高铅酸蓄电池的配组效率，提出了一种基于充放电曲线的铅酸蓄电池配组方法，实现自动化配组，可以提高产品质量，降低生产成本，具有重要的工程实际意义。

Description

一种基于充放电曲线的铅酸蓄电池分类方法

技术领域

本发明属于信号处理领域，具体涉及一种基于充放电曲线的铅酸蓄电池分类方法。

背景技术

在绝大多数应用场合，单体铅酸蓄电池往往通过多只串、并联形成一个电池组才能满足应用所需的容量和电压等要求。由于铅酸蓄电池制造原材料、生产设备及制作工艺环境的差别，将不可避免地出现单体电池之间性能的差异。铅酸蓄电池组中单体电池之间的不一致性是造成动力电池组使用寿命缩短以及性能严重衰减的主要原因。电池分类是目前提高电池组内单体电池一致性的最简单有效的方法，电池分类将电池特性参数接近的电池归为一类，然后用同一类电池构成一个电池组。目前，国内蓄电池生产企业主要采用人工测量电池充放电电压的方式进行电池分类，劳动强度和工作量非常大。而且目前人工测量的方式只利用了电池的放电终止电压和充电结束电压作为电池的充放电特性进行分类，放电终止电压和充电结束电压无法充分反映电池的充放电特性，容易造成误匹配的现象。因此研究出一种高效率、高可靠、高准确性的电池分类方法，可以提高产品质量，降低生产成本，具有重要的工程实际意义。

发明内容

本发明的目的是为了克服目前人工分类方法的不足，利用信号处理技术来提高铅酸蓄电池的分类效率和准确性，提出了一种基于充放电曲线的铅酸蓄电池分类方法。具体步骤：

步骤(1)充电曲线采集；

在固定充电电流下对电池架上电池进行充电，每隔一段时间采集当前电池的电压，得到每个电池的充电曲线，电池架上N个铅蓄电池的充电曲线记为

步骤(2)放电数据采集；

对充电完成的电池在固定放电电流下进行放电，每隔一段时间采集当前电池的电压，得到每个电池的放电曲线，电池架上N个铅蓄电池的放电曲线记为

步骤(3)充放电曲线特征提取；

将每个电池i的充电曲线平均分为5段，对每一段曲线做三次多项式曲线拟合，将拟合得到的4个参数作为每一段充电曲线的特征，从而得到整个充电曲线对应的20维特征，记为同样的，将每个电池i的放电曲线分为5段，对每一段曲线做三次多项式曲线拟合，将拟合的4个参数作为每一段放电曲线的特征，从而得到整个放电曲线对应的20维特征，记为

步骤(4)根据提取到的电池i的充放电曲线特征计算不同电池之间的距离，对每一个铅蓄电池i，计算得到电池i和其他电池j之间的距离d_ij：

其中，参数i和j表示不同的铅蓄电池，参数l表示提取到的40维充放电曲线特征；

步骤(5)根据充放曲线特征，对铅蓄电池进行分类：

(a)对每一个铅蓄电池i，若电池j和电池i之间的距离d_ij小于阈值α，则电池j为电池i的近邻，统计每一个铅蓄电池i的近邻个数，记为S_i；

(b)选择具有最大近邻个数的电池作为第一个聚类中心；接下来选择距离第一个聚类中心最远的电池作为第二个聚类中心；然后选择距离现有聚类中心的最近距离最大的电池作为第三个聚类中心，以此类推，直至选出m个初始聚类中心；

(c)以这m个聚类中心为初始聚类中心，对铅酸蓄电池进行K均值聚类，完成对铅酸蓄电池的初始分类；

(d)计算各个分类的组内方差，若组内方差均小于阈值η，则完成对电池的分类；若存在组内方差大于阈值η，则选择距离当前所有聚类中心的最近距离最大的电池作为一个新的聚类中心，再进行K均值聚类，重复执行步骤(d)，直到各个分类的组内方差均小于阈值η，则完成对电池的分类。

本发明通过提取电池充放电曲线的特征，自适应的对铅酸蓄电池进行分类，将充放电特性接近的电池分为一类。

本发明的有益效果：本发明方法利用信号处理技术来提高铅酸蓄电池配组的效率和准确性，提出了一种基于充放电曲线的铅酸蓄电池分类方法。本发明方法通过提取电池充放电曲线的特征对铅酸蓄电池进行电池分类操作，将电压特性接近的电池分为一类，可以很好的克服传统人工配组方法的不足，降低生产成本，具有重要的工程实际意义。

具体实施方式：

步骤(1)充电曲线采集，在固定充电电流下对电池架上电池进行充电，每隔一定时间采集当前电池的电压(mv)，得到每个电池的充电曲线，电池架上N个铅蓄电池的充电曲线记为

步骤(2)放电数据采集，对充电完成的电池在固定放电电流下进行放电，每隔一定时间采集当前电池的电压(mv)，得到每个电池的放电曲线，电池架上N个铅蓄电池的放电曲线记为

步骤(3)充放电曲线特征提取，将每个电池i的充电曲线平均分为5段，对每一段曲线做三次多项式曲线拟合，将拟合得到的4个参数作为每一段充电曲线的特征，从而得到整个充电曲线对应的20维特征，记为同样的，将每个电池i的放电曲线分为5段，对每一段曲线做三次多项式曲线拟合，将拟合的4个参数作为每一段放电曲线的特征，从而得到整个放电曲线对应的20维特征，记为

步骤(4)根据提取到的电池i的充放电曲线特征计算不同电池之间的距离，对每一个铅蓄电池i，计算得到电池i和其他电池j之间的距离d_ij：

其中，参数i和j表示不同的铅蓄电池，参数l表示提取到的40维充放电曲线特征；

步骤(5)根据充放曲线特征，对铅蓄电池进行分类：

(a)对每一个铅蓄电池i，若电池j和电池i之间的距离d_ij小于阈值α，则电池j为电池i的近邻，统计每一个铅蓄电池i的近邻个数，记为S_i；

(b)选择具有最大近邻个数的电池作为第一个聚类中心；接下来选择距离第一个聚类中心最远的电池作为第二个聚类中心；然后选择距离现有聚类中心的最近距离最大的电池作为第三个聚类中心，以此类推，直至选出m个初始聚类中心；

(c)以这m个聚类中心为初始聚类中心，对铅酸蓄电池进行K均值聚类，完成对铅酸蓄电池的初始分类；

(d)计算各个分类的组内方差，若组内方差均小于阈值η，则完成对电池的分类；若存在组内方差大于阈值η，则选择距离当前所有聚类中心的最近距离最大的电池作为一个新的聚类中心，再进行K均值聚类，重复执行步骤(d)，直到各个分类的组内方差均小于阈值η，则完成对电池的分类。

Claims (1)

1.一种基于充放电曲线的铅酸蓄电池分类方法，其特征在于该方法的具体步骤是：

步骤(1)充电曲线采集；

在固定充电电流下对电池架上电池进行充电，每隔一段时间采集当前电池的电压，得到每个电池的充电曲线，电池架上N个铅蓄电池的充电曲线记为

步骤(2)放电数据采集；

对充电完成的电池在固定放电电流下进行放电，每隔一段时间采集当前电池的电压，得到每个电池的放电曲线，电池架上N个铅蓄电池的放电曲线记为

步骤(3)充放电曲线特征提取；

将每个电池i的充电曲线V_i ^c平均分为5段，对每一段曲线做三次多项式曲线拟合，将拟合得到的4个参数作为每一段充电曲线的特征，从而得到整个充电曲线对应的20维特征，记为同样的，将每个电池i的放电曲线V_i ^f分为5段，对每一段曲线做三次多项式曲线拟合，将拟合的4个参数作为每一段放电曲线的特征，从而得到整个放电曲线对应的20维特征，记为

步骤(4)根据提取到的电池i的充放电曲线特征计算不同电池之间的距离，对每一个铅蓄电池i，计算得到电池i和其他电池j之间的距离d_ij：

<mrow> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>40</mn> </munderover> <mo>|</mo> <msubsup> <mi>T</mi> <mi>i</mi> <mi>l</mi> </msubsup> <mo>-</mo> <msubsup> <mi>T</mi> <mi>j</mi> <mi>l</mi> </msubsup> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>

其中，参数i和j表示不同的铅蓄电池，参数l表示提取到的40维充放电曲线特征；

步骤(5)根据充放曲线特征，对铅蓄电池进行分类：

(a)对每一个铅蓄电池i，若电池j和电池i之间的距离d_ij小于阈值α，则电池j为电池i的近邻，统计每一个铅蓄电池i的近邻个数，记为S_i；

(b)选择具有最大近邻个数的电池作为第一个聚类中心；接下来选择距离第一个聚类中心最远的电池作为第二个聚类中心；然后选择距离现有聚类中心的最近距离最大的电池作为第三个聚类中心，以此类推，直至选出m个初始聚类中心；

(c)以这m个聚类中心为初始聚类中心，对铅酸蓄电池进行K均值聚类，完成对铅酸蓄电池的初始分类；

(d)计算各个分类的组内方差，若组内方差均小于阈值η，则完成对电池的分类；若存在组内方差大于阈值η，则选择距离当前所有聚类中心的最近距离最大的电池作为一个新的聚类中心，再进行K均值聚类，重复执行步骤(d)，直到各个分类的组内方差均小于阈值η，则完成对电池的分类。